April 23, 2026, by Walter Farkas (UZH, ETH Zurich) and Daniel Fasnacht (UZH)

Artificial intelligence is rapidly transforming financial services, driven by rising regulatory expectations, digital client engagement, and increasingly sophisticated financial crime. Swiss banks face persistent challenges in documentation quality, identity verification across fragmented data sources, and the detection of evolving fraud typologies. Traditional control frameworks are often insufficient to manage these risks at scale and in real time, creating the need for more continuous, data driven, and intelligence-based approaches to risk management.

This white paper from the Department of Finance at the University of Zurich examines how AI can address these industry gaps, drawing on the outcomes of RiskON 2025, an initiative that connects academic research with real world banking challenges. Multidisciplinary teams developed solutions across three core domains: client documentation, adverse media identity matching, and AI driven fraud detection. The proposed approaches demonstrate how advanced analytics can strengthen documentation standards, improve identity assurance, enhance fraud detection, and support more scalable and transparent compliance processes.

The findings underline the strategic importance of close collaboration between academia, financial institutions, regulators, and technology partners. Structured experimentation and practical solution development within open innovation frameworks are critical to accelerating the integration of advanced analytics into operational risk and compliance processes. Looking ahead, this collaborative model can strengthen the global competitiveness of the Swiss financial center, reinforce trust, and position Switzerland as a leading hub for responsible and resilient AI enabled financial services.

09 April, 2026, Studiengang MCP / HKB-BFH

Die digitale Transformation stellt die Schweiz vor tiefgreifende gesellschaftliche, wirtschaftliche und politische Weichenstellungen. Daten, Algorithmen und KI-Anwendungen entwickeln sich zunehmend zu zentralen Infrastrukturen, die prägen, wie Verwaltung, Forschung, Wirtschaft und Öffentlichkeit miteinander agieren.

Studierende des HKB/BFH-Masterprogramms «Multimedia Communication & Publishing» haben sich dieser Entwicklung angenommen – mit besonderem Fokus auf den Bereich der Digitalen Gesundheit: gesellschaftlich sensibel und politisch vielschichtig. Am Beispiel der nationalen Digitalstrategie DigiSanté zeigt sich, wie eng Digitalisierung und Datenschutz miteinander verflochten sind. Die Fallstudien zum Inselspital Bern (Epic) und zum Start-up Smilamind  verdeutlichen, wie organisatorische Veränderungen und regulatorische Rahmenbedingungen den Einsatz innovativer digitaler Lösungen prägen. Gleichzeitig machen die Praxisbeispiele klar: Vertrauen und Transparenz bleiben zentrale Voraussetzungen für eine erfolgreiche digitale Gesundheitsversorgung.

Dass die Schweiz in Sachen Digitalisierung des Gesundheitswesens hinterherhinkt, machte spätestens die Corona-Pandemie deutlich, als unter anderen die Aargauer Zeitung titelte: “Ärzte müssen Corona-Zahlen per Fax ans BAG melden […]” (Bernet, 2020). Denn: Digitalisierung gilt als zentrale Treibkraft zur Modernisierung des Gesundheitswesens. Gemäss der gesundheitspolitischen Strategie des Bundesrates (BAG, 2019) sollen elektronische Patientendossiers, telemedizinische Behandlungsformen, interoperable Datenplattformen sowie KI-gestützte Analyseverfahren die Effizienz und Versorgungsqualität verbessern und gleichzeitig neue Möglichkeiten für Forschung und Prävention eröffnen. In der Schweiz stehen diese Entwicklungen aber in einem Spannungsfeld zwischen medizinischem Innovationsdruck und hohen datenschutzrechtlichen Anforderungen. Das überarbeitete Bundesgesetz über den Datenschutz (DSG) stuft Gesundheitsdaten als «besonders schützenswerte Personendaten» ein und verlangt spezifische Schutzmassnahmen wie Zweckbindung, explizite Einwilligung und den Nachweis angemessener Datensicherheit (Bundesgesetz über den Datenschutz [DSG], 2020). 

Gleichzeitig betonen Analysen des Bundesamts für Gesundheit (BAG) sowie des Eidgenössischen Datenschutz- und Öffentlichkeitsbeauftragten (EDÖB), dass digitale Gesundheitslösungen nur erfolgreich implementiert werden können, wenn der Schutz der informationellen Selbstbestimmung gewährleistet ist.  Dies führt dazu, dass zentrale Digitalisierungsprojekte – etwa das elektronische Patientendossier (EPD), der schweizweite Einsatz des Klinikinformationssystems Epic (Softwarelösung für klinische Informationssysteme) immer wieder vor rechtlichen, organisatorischen und technischen Herausforderungen stehen (Bundesamt für Gesundheit [BAG], 2024).

Das daraus resultierende Spannungsfeld zwischen technologischem Fortschritt und datenschutzrechtlicher Begrenzung prägt die Debatte über die Zukunft der digitalen Gesundheitsversorgung in der Schweiz. In diesem Kapitel wird untersucht, wie der Datenschutz die Digitalisierung anhand des Beispiels von Epic konkret beeinflusst, welche strukturellen Hindernisse entstehen, inwiefern der Schutz seine Berechtigung hat und wo er den Fortschritt womöglich zu stark einschränkt.

DigiSanté als nationale Strategie 

Die nationale Digitalstrategie DigiSanté, 2023 vom Bundesrat lanciert, bildet heute den zentralen Referenzrahmen für die digitale Transformation des Schweizer Gesundheitswesens. Ziel des Programms ist es, bis 2034 eine moderne, vernetzte und interoperable digitale Infrastruktur zu schaffen, welche die Effizienz, Patientensicherheit und Versorgungskoordination nachhaltig verbessert. DigiSanté versteht sich dabei nicht lediglich als IT-Modernisierungsprojekt, sondern als umfassender Strukturwandel, der medizinische Prozesse, rechtliche Grundlagen, föderale Zuständigkeiten und technische Standards gleichermassen betrifft (BAG, 2025). 

Ein Kernanliegen von DigiSanté ist die Interoperabilität zwischen Spitälern, Arztpraxen, Apotheken, Pflegeinstitutionen und Behörden. Die Strategie sieht deshalb den Aufbau schweizweit einheitlicher Datenstandards und Schnittstellen vor. Dazu gehören unter anderem einheitliche Terminologien, semantische Standards für klinische Daten und verbindliche Vorgaben für den Austausch von elektronischen Gesundheitsinformationen. Insbesondere die Weiterentwicklung des elektronischen Patientendossiers (EPD) spielt in diesem Kontext eine zentrale Rolle, da es als zukünftige Hauptdrehscheibe des digitalen Gesundheitsdatenaustauschs fungieren soll.

Zugleich erkennt DigiSanté die hohen Anforderungen an Datenschutz und Cybersicherheit explizit an. Die Strategie betont, dass Digitalisierung nur dann nachhaltig funktionieren kann, wenn sie auf einem stabilen Fundament von Vertrauen, Transparenz und Datensouveränität ruht. Dementsprechend fliessen signifikante Mittel in die Verbesserung der IT-Sicherheit, in die Entwicklung von Governance-Modellen für sensible Gesundheitsdaten sowie in die Klärung rechtlicher Grundlagen für datenintensive Anwendungen wie KI-basierte Diagnostik oder automatisierte Entscheidungsunterstützungssysteme. 

Ein weiterer Schwerpunkt liegt auf der Koordination im föderalen System. Die Schweiz verfügt über 26 kantonale Gesundheitssysteme, die historisch gewachsen und heterogen organisiert sind. DigiSanté hat daher die Aufgabe, nationale Vorgaben mit kantonalen Zuständigkeiten zu harmonisieren. Die Strategie setzt hierfür auf kooperative Governance-Strukturen, Dialogformate mit Stakeholdern sowie eine modulare Umsetzungsarchitektur, die sowohl zentrale als auch dezentrale Elemente zulässt. 

Insgesamt stellt DigiSanté somit den Versuch dar, die fragmentierte Schweizer Gesundheitslandschaft in ein kohärentes, digital vernetztes Ökosystem zu überführen – unter Wahrung der hohen datenschutzrechtlichen Standards, die den Handlungsspielraum zugleich strukturieren und begrenzen. 

Wie der Datenschutz die Digitalisierung begrenzt 

Der Schweizer Datenschutz setzt der Digitalisierung im Gesundheitswesen in mehrfacher Hinsicht klare Grenzen. Diese Begrenzungen sind nicht zufällig, sondern folgen aus der Einordnung von Gesundheitsdaten als besonders schützenswerte Personendaten (DSG, 2020). Dadurch unterliegen digitale Gesundheitsprojekte besonders strengen rechtlichen, technischen und organisatorischen Anforderungen (Eidgenössischer Datenschutz- und Öffentlichkeitsbeauftragter [EDÖB], 2024). Die wichtigsten Begrenzungsmechanismen lassen sich in fünf zentrale Bereiche gliedern. 

Strenge Einwilligungsanforderungen 

Gesundheitsdaten dürfen in der Schweiz grundsätzlich nur mit expliziter Einwilligung der betroffenen Person oder aufgrund einer klaren gesetzlichen Grundlage verarbeitet werden (BAG, 2025). Dies gilt selbst dann, wenn der potenzielle Nutzen einer Datenverarbeitung gesellschaftlich hoch wäre – etwa bei Forschungsprojekten, KI-Anwendungen oder epidemiologischen Analysen. 

Die Einwilligungsprozesse sind oft komplex, erfordern transparente Aufklärung und können nicht ohne Weiteres automatisiert werden. Häufig müssen verschiedene Datenquellen (Spitäler, Praxen, Labore) getrennt einwilligungsrechtlich abgesichert werden, was die Nutzung integrierter digitaler Lösungen verlangsamt oder behindert. Besonders herausfordernd ist dies für Anwendungen, die auf grosse Datenmengen angewiesen sind, wie personalisierte Medizin oder Machine Learning. 

Föderale Strukturen als Hindernis 

Die föderale Organisation des Schweizer Gesundheitssystems verstärkt die datenschutzrechtlichen Herausforderungen. Kantone besitzen weitgehende Kompetenzen im Gesundheitsbereich – von der Spitalplanung über Registerlösungen bis zur Umsetzung digitaler Infrastruktur (BAG, 2025). Dadurch entstehen unterschiedliche Datenschutzpraktiken, Governance-Modelle und IT-Systeme. 

Für digitale Projekte bedeutet dies: 

• unterschiedliche kantonale Aufsichtsbehörden, 
• heterogene Interpretationen des DSG, 
• divergierende technische Standards, 
• erschwerte Datenmobilität zwischen Kantonen. 

Diese Fragmentierung wirkt als strukturelle Bremse für nationale Plattformen und erschwert die Schaffung eines einheitlichen digitalen Gesundheitsökosystems. 

Dabei können ein strenger Datenschutz und die Digitalisierung im Gesundheitswesen auch Hand in Hand funktionieren. Das wird mit einem Blick in andere europäische Länder deutlich. Beispielsweise in Estland wurde 2008 ein landesweites elektronisches Gesundheitsinformationssystem eingeführt, welches Krankenhäuser, Hausärtz:innen, Apotheken etc. miteinander verbindet. Seit 2009 können die Patient:innen auf ihre eigenen Daten über ein Gesundheitsportal direkt zugreifen. Alle Patient:innendaten werden dezentral gesammelt und bleiben bei den Leistungserbringern. Zusätzlich wird jeder Zugriff auf die Daten protokolliert und Patient:innen erhalten transparenten Einblick, wer ihre Akte eingesehen hat (e-estonia, 2015). Heute sind gemäss der internationalen Vergleichsstudie «NORDeHEALTH 2022» machen 64 % aller estnischen Teilnehmer:innen sehr positive Erfahrungen mit ihrem Portal.

Der Datenschutz hat seine Berechtigung, wenn es um den Umgang mit sensiblen Patient:innendaten geht. Er ist die Grundlage eines zukunftsorientierten und vertrauenswürdigen Gesundheitsportals und sollte folglich auch als dies betrachtet werden, nicht als Bremse. Die Herausforderung besteht darin, eine Balance zwischen Effizienz, Sicherheit und individuellen Grundrechten herzustellen – eine Herausforderung, die aktuell im Zentrum der politischen und gesellschaftlichen Diskussion steht. 

Fallstudien: Inselspital Bern – Digitale Transformation mit Epic

Chancen, Grenzen und Lehren für die Schweiz 

Die Einführung des Klinikinformationssystems Epic an der Insel Gruppe im März 2024 zählt zu den bedeutendsten digitalen Transformationsprojekten im Schweizer Gesundheitswesen. Mit der Ablösung von rund 50 Einzelsystemen und der Schaffung einer einheitlichen, spitalweiten Patientenakte wurde ein technologischer und organisatorischer Paradigmenwechsel vollzogen. Die Fallstudie zeigt exemplarisch, wie integrierte Datenplattformen, klinische Praxis und datenschutzrechtliche Rahmenbedingungen ineinandergreifen und wo die Schweiz strukturell an Grenzen stösst. 

Von Insellösungen zur integrierten Versorgungsplattform 

Epic konsolidiert sämtliche patientenrelevanten Informationen, Diagnostik, Medikation, Pflege- und Therapiedaten in einer zentralen Akte. Damit entfallen Medienbrüche, die zuvor Abläufe verlangsamt, Informationslücken erzeugt und redundante Untersuchungen begünstigt hatten. Für Patientinnen und Patienten bedeutet dies eine deutlich höhere Versorgungskontinuität: Mehrfachidentifikationen oder erneute Anamnesen werden ebenso reduziert wie unnötige Wiederholungsdiagnostik. 

Flankierend wurde das Patientenportal myInsel eingeführt, das einen selbstbestimmten Zugang zu Befunden, Medikamentenlisten oder Austrittsberichten ermöglicht. Zugleich können Termine verwaltet und Angehörige berechtigt werden. Diese neue Form der digitalen Interaktion stärkt die informationelle Autonomie der Patient:innen und erhöht die Transparenz im Behandlungspfad. Dies ist ein wichtiger Faktor für das Vertrauen in die digitale Transformation.

Datenqualität als strategischer Erfolgsfaktor 

Die strukturierte Datenerfassung ist einer der grössten Mehrwerte des neuen Systems. Während zuvor unstrukturierte oder papierbasierte Informationen dominierten, entsteht nun ein konsistenter, interoperabler Datenpool. Dieser unterstützt klinische Entscheidungen, ermöglicht Qualitätsmanagement in Echtzeit und schafft neue Potenziale für Forschung und Innovation. 

Gleichzeitig erfordert diese Datenqualität ein hohes Mass an Prozessdisziplin. Die Akzeptanz und Kompetenz der Nutzer:innen bestimmen, ob Daten korrekt, vollständig und strukturiert erfasst werden. Bereiche, die früh in die Vorbereitung eingebunden und umfassend geschult wurden, berichten von klaren Effizienzgewinnen. Andere Bereiche, die nur begrenzt am Vorprojekt beteiligt waren, standen hingegen vor erheblichen Umstellungsschwierigkeiten. Dies zeigt: Digitalisierung ist weniger eine technische als eine organisatorische Herausforderung. 

Datenschutz: Essenzielle Leitplanke, operative Hürde 

Mit der Zentralisierung sensibler Gesundheitsinformationen steigt der Schutzbedarf erheblich. Epic bietet dafür eine differenzierte Rechtearchitektur, Protokollierungssysteme sowie Begründungspflichten beim Zugriff auf besonders schützenswerte Daten. Diese Mechanismen schaffen Transparenz und Nachvollziehbarkeit. 

Gleichzeitig bleiben datenschutzrechtliche Anforderungen ein begrenzender Faktor. Besonders der institutionsübergreifende Datenaustausch, etwa mit regionalen Spitälern, der Universität oder Forschungseinrichtungen, ist häufig durch komplexe Einwilligungsprozesse erschwert. Ärztinnen und Ärzte müssen bei Verlegungen oder interdisziplinären Kooperationen oft mehrfach Einverständnisse einholen, obwohl Patient:innen bereits im gemeinsamen Behandlungspfad stehen. Dies führt zu Verzögerungen, Informationsfragmentierung und unnötigen Doppeluntersuchungen. Die Diskrepanz zwischen gesellschaftlicher Datenfreizügigkeit und strikten medizinischen Schutzmechanismen zeigt sich hier besonders deutlich. 

Digitalisierung über die Dokumentation hinaus: KI und Robotik 

Parallel zur Einführung von Epic entwickelt die Insel Gruppe weitere digitale Kompetenzfelder. KI-gestützte Diagnostik. Etwa in der Radiologie oder Labormedizin, unterstützt Fachpersonen bei der Interpretation komplexer Datenmengen. Robotergestützte Prozesse, von automatisierten Labortransporten bis zu OP-Robotern, entlasten Mitarbeitende und erhöhen Prozesssicherheit. Langfristig könnten auch humanoide Assistenzroboter eine Rolle in der Langzeitpflege spielen. Diese Entwicklungen zeigen, dass digitale Transformation weit mehr ist als die Ablösung analoger Dokumentationsprozesse. Sie verändert Rollenbilder, schafft neue Qualifikationsanforderungen und eröffnet gleichzeitig neue strategische Möglichkeiten für die Gesundheitsversorgung. 

Perspektive Schweiz: Notwendigkeit nationaler Vernetzung 

Im internationalen Vergleich, insbesondere mit skandinavischen Ländern, bleibt die Schweiz bei digitaler Vernetzung und einheitlichen Standards zurück. Regionen mit zentralisierten Strukturen und verbindlichen Triage-Modellen demonstrieren, wie Effizienzgewinne, Kostenreduktionen und koordinierte Versorgung möglich werden. Die Einführung von Epic zeigt, dass technologische Lösungen vorhanden sind, jedoch durch fragmentierte regulatorische Vorgaben und fehlende nationale Digitalstrategien ausgebremst werden. 

Das spürt auch Smilamind, ein Startup aus dem Schweizer Gesundheitswesen, das eine daten- und KI-gestützte Plattform entwickelt hat. Die App von Smilamind ist derzeit zur Begleitung und Unterstützung psychotherapeutischer Prozesse konzipiert. Sie besteht aus zwei Kernelementen: Einer Mobile-App für Patient:innen, die es erlaubt, Gesundheitsdaten aktiv (z.B. Stimmung, Symptome) und passiv (z.B. über Wearables wie die Apple Watch gesammelte Aktivitäts- oder Schlafdaten) zu erfassen. Diese Daten werden dann verschlüsselt und sicher in ein Dashboard für Therapeut:innen übertragen, die in Echtzeit einen besseren Überblick über den gesundheitlichen Zustand ihrer Patient:innen erhalten. Dies ermöglicht es Fachpersonen, zwischen den Sitzungen gezielter zu unterstützen und sich besser auf einzelne Termine vorzubereiten.

Konkrete Handlungsempfehlungen, Scores oder eine automatisierte Interpretation der Daten, erhalten derzeit aber weder Patientinnen und Patienten noch Fachpersonen. Hätte die App solche Funktionen, müsste sie als zertifiziertes Medizinprodukt ausgelobt und eine ISO-Zertifizierung (z.B. nach ISO 13485 oder der MDR) durchlaufen werden, und dieser Weg ist besonders lange und kostenintensiv. Für Startups ist dies eine enorme Hürde, die viele finanziell kaum überbrücken können.

Schlussfolgerung 

Die Fallstudie der Insel Gruppe zeigt deutlich: Integrierte Plattformen wie Epic können Versorgungsqualität, Datendurchgängigkeit und Forschungspotenziale erheblich verbessern. Gleichzeitig offenbaren sie die Grenzen einer heterogenen, stark regulierten Gesundheitslandschaft. Ein zukunftsfähiges Schweizer Gesundheitssystem erfordert deshalb ein Zusammenspiel aus moderner Datenschutzarchitektur, klarer Governance, und einer kohärenten nationalen Digitalstrategie. Nur so lässt sich das bisher ungenutzte Innovationspotenzial heben, ohne den Schutz der informationellen Selbstbestimmung zu kompromittieren. 

Kritik an digitalen Entwicklungen im Schweizer Gesundheitssystem 

Die Digitalisierung des Schweizer Gesundheitssystems stösst auf gemischte Reaktionen. Projekte wie Epic oder das elektronische Patientendossier (EPD) werden einerseits als notwendiger Modernisierungsschritt gesehen, andererseits als Ausdruck struktureller Schwächen in Governance, Datenschutz und Implementierungstempo. Der Bericht Public Trust in a Swiss Health Data Space der Digital Society Initiative (DSI) der Universität Zürich hebt hervor, dass mangelndes Vertrauen der Bevölkerung das zentrale Hemmnis darstellt. Technische, rechtliche und organisatorische Unsicherheiten – insbesondere bei der Frage, wer auf Daten zugreifen darf und wie sie geschützt werden – schaffen mehr Skepsis als Akzeptanz. Der Bericht warnt ausdrücklich vor übereilten Systemlösungen, die Vertrauen zerstören, statt es aufzubauen.

Auch das Swiss eHealth Barometer 2025 unterstreicht diesen Spannungsbogen: Obwohl eine Mehrheit den Nutzen digitaler Instrumente wie des EPD grundsätzlich anerkennt, bremsen Datenschutzbedenken, fehlender praktischer Nutzen und geringe Transparenz die Verbreitung. Zivilgesellschaftliche Akteure, etwa die Digitale Gesellschaft, kritisieren insbesondere das Machtgefälle zwischen Bürger:innen, Behörden und IT-Anbietern. Sie fordern einen menschenzentrierten Ansatz, bei dem Patient:innen volle Kontrolle über ihre Gesundheitsdaten behalten. Zentralisierte Datenräume bergen aus ihrer Sicht Missbrauchsrisiken und verschärfen bestehende Ungleichgewichte – ein Risiko, das in Ländern mit stärker integrierten Systemen wie Estland oder Dänemark durch umfassende Datenschutzarchitekturen und klare Governance-Regeln abgefedert wird.

Im internationalen Vergleich zeigt sich, dass koordinierte, nationale Strategien digital besser funktionieren als föderal zerstückelte Ansätze. Während der UK NHS oder die nordischen Länder digitale Patientenakten landesweit integriert und standardisiert haben, bleibt die Schweiz durch ihren Föderalismus stark fragmentiert. Diese Fragmentierung führt zu verlängerten Implementierungszeiten, parallelen Datensilos und höheren Systemkosten. Studien zeigen, dass Schweizer IT-Projekte im Gesundheitswesen im Schnitt 20–30 % länger dauern und deutlich teurer sind als vergleichbare Vorhaben in Skandinavien – ein Befund, der sich in Start-up-Fällen wie Smilamind widerspiegelt.

Smilamind verdeutlicht exemplarisch die systemischen Herausforderungen: Innovative daten- und KI-basierte Gesundheitslösungen scheitern oft an langen Zulassungsprozessen, hohen Zertifizierungskosten und unklaren rechtlichen Anforderungen für die Sekundärnutzung von Daten. Die daraus resultierenden Verzögerungen mindern Innovationskraft und Wettbewerbsfähigkeit junger Unternehmen – ein strukturelles Problem, das auf fehlende regulatorische Agilität hinweist.

Politische und strategische Implikationen

Die vorliegenden Befunde sprechen für eine gezielte Nachjustierung der politischen Rahmenbedingungen. Zentral ist dabei nicht der Abbau von Datenschutz, sondern dessen bessere Integration in Architektur, Prozesse und Governance digitaler Gesundheitslösungen. Drei politische Handlungsfelder stechen hervor:

1. Rechtliche Präzisierung: Klare Regelungen zur Datennutzung, insbesondere der Sekundärnutzung für Forschung, müssen Vertrauen schaffen, ohne Innovation zu bremsen.
2. Nationale Koordination: Eine zentral abgestimmte digitale Gesundheitsstrategie – etwa im Rahmen von DigiSanté – könnte Standards, Schnittstellen und Zugriffsrechte vereinheitlichen und so Effizienzgewinne ermöglichen.
3. Regulatorische Entlastung für Innovation: Schnellere, risikoadaptierte Zulassungsverfahren und strukturierte Datenschutzprüfungen würden Forschungs- und Start-up-Aktivitäten erleichtern.

Digitalisierung im Schweizer Gesundheitswesen bleibt damit in erster Linie eine Governance-Frage. Datenschutz ist kein Hindernis, sondern eine Grundbedingung für gesellschaftliche Akzeptanz – und damit für den Erfolg zukünftiger digitaler Gesundheitssysteme.

————————————————————————————————————————————–

Referenzen:

Akinrinmade, A. O., Adebile, T. M., Ezuma-Ebong, C., Bolaji, K., Ajufo, A. O., Mohammad, M., Dike, J. C., & Okobi, O. E. (2023). Artificial intelligence in healthcare: Perception and reality. Cureus, 15(9), e45594. https://doi.org/10.7759/cureus.45594

Bernet, Christhoph. (2020, 15. April). Ärzte müssen Corona‑Fälle per Fax ans BAG melden – dieser Informatiker will mit einem Tool helfen. Aargauer Zeitung. https://www.aargauerzeitung.ch/schweiz/arzte-mussen-corona-falle-per-fax-ans-bag-melden-dieser-informatiker-will-mit-einem-tool-helfen-ld.1205342

Bundesamt für Gesundheit. (2019). Gesundheit2030 – Die gesundheitspolitische Strategie des Bundesrates 2020–2030. https://www.newsd.admin.ch/newsd/message/attachments/59488.pdf

Bundesamt für Gesundheit. (2024). Digitale Gesundheitsanwendungen: Cybersicherheit und Datenschutz [Fachbericht]. https://www.bag.admin.ch/dam/de/sd-web/gpk7ibEBniAP/bericht-digitale-ges.anwendungen-cybersicherheit-datenschutz.pdf

Bundesamt für Gesundheit. (2025a). DigiSanté – Förderung der digitalen Transformation im Gesundheitswesen. https://www.bag.admin.ch/de/digisante-foerderung-der-digitalen-transformation-im-gesundheitswesen

Bundesamt für Gesundheit. (2025b). E‑GD – von der Totalrevision zum neuen Gesetz. https://www.bag.admin.ch/de/epd-weiterentwickeln-totalrevision

Bundesgesetz über den Datenschutz (DSG), SR 235.1. (2020). Bundesgesetz vom 25. September 2020 über den Datenschutz. https://www.fedlex.admin.ch/eli/cc/2022/491/de

e‑Estonia. (2025, 15. September). Estonian e‑Health records. https://e-estonia.com/solutions/e-health-2/e-health-records/

Eidgenössischer Datenschutz- und Öffentlichkeitsbeauftragter. (2024a). Bekanntgabe von Patientendaten. https://www.edoeb.admin.ch/de/bekanntgabe-von-patientendaten

Eidgenössischer Datenschutz- und Öffentlichkeitsbeauftragter. (2024b). Gesundheit. https://www.edoeb.admin.ch/de/gesundheit

Kujala, S., Reponen, T., Seppälä, H., Korpela, R., … [weitere Autor:innen]. (2023). The NORDeHEALTH 2022 patient survey: Cross-sectional study of national patient portal users in Norway, Sweden, Finland, and Estonia. JMIR Medical Informatics, 11, e51411. https://doi.org/10.2196/51411

Medicloudmed. (n. d.). DSGVO in der Schweiz: Verstehen und erklären. https://medicloudmed.ch/home/dsgvo-in-der-schweiz-verstehen-und-erklaeren/

26. März, 2026, Ashkan Fredstroem, Venturom GmbH

KI verspricht eine beispiellose technologische Revolution. Die operative Realität der Schweizer Innovationsförderung verlangt jedoch einen weitaus pragmatischeren Blick hinter die Kulissen des globalen Hypes. Der Innoday hat offengelegt, an welchen Hürden ambitionierte Visionen im unternehmerischen Alltag tatsächlich scheitern: Eine glänzende Benutzeroberfläche bleibt wirkungslos, wenn die essenzielle Dateninfrastruktur, klare ethische Leitplanken und ein fundiertes Risikomanagement fehlen. Algorithmen heilen keine strategischen Defizite.

Der vorliegende Bericht basiert auf Tonaufnahmen der jeweiligen Vortrags- und Workshopsblöcke und wurde mittels KI ausgewertet und zusammengefasst. Freuen Sie sich auf eine kurze Reise durch die zentralen Diskurslinien dieser wegweisenden Tagung.

28. März, 2026, QOYO Innovations GmbH

In der Theorie klingen KI-basierte Beratungstools oft vielversprechend. Doch wie sieht der echte Business-Impact aus? Die QOYO Innovations GmbH zeigt am Beispiel der Heim AG Heizsysteme, wie ein digitaler Kaufberater nicht nur Prozesse verschlankt, sondern einen messbaren ROI von 36 % in nur sechs Monaten liefert – ein Erfolgsweg, den wir gemeinsam mit der Unterstützung von AI-Booster eingeschlagen haben.

Die Herausforderung: Komplexität trifft auf Beratungsaufwand

Die Kernfrage war: Wie können wir Interessenten befähigen, sich vorab eigenständig und fundiert zu informieren?

Unsere Lösung: Innovation durch geführte Struktur

Anstatt einer klassischen, statischen Landingpage haben wir von QOYO einen interaktiven, digitalen Kaufberater entwickelt. Die Innovation liegt hierbei im hybriden Ansatz aus User Experience und Datenstruktur:

1. Strukturierte Bedarfsanalyse: Der Berater führt Besucher Schritt für Schritt durch ihre individuelle Situation (Rahmenbedingungen, Anforderungen, Erwartungen).
2. Automatisierte Matching-Engine: Das Tool erstellt sofort eine passende Produktempfehlung.
3. Qualität vor Quantität: Nur wirklich relevante Datensätze werden als Sales-Qualified Leads (SQL) an den Vertrieb übergeben.
4. Hier geht es zum Live-Tool: Wärmepumpen-Empfehlung der Heim AG

Der Beweis: Zahlen, die für sich sprechen

Seit dem Pilotstart am 1. März 2025 hat das Tool die Erwartungen übertroffen. Besonders stolz sind wir auf die Effizienz:

• 11 % Conversion-Rate vom ausgefüllten Report zum tatsächlichen Kauf.
• 80 % Product-Match: Die Automatisierung trifft fast immer ins Schwarze.
• 36 % ROI innerhalb des ersten halben Jahres.

Diese Zahlen belegen: Unsere Lösung hat sich nicht nur amortisiert, sie ist ein aktiver Umsatztreiber.

Skalierung und Business-Modell-Innovation

Der Erfolg führt nun zum nächsten logischen Schritt: der Mandantenfähigkeit. Da das System echten Business-Impact liefert, wurde es nun als zweiter Mandant direkt auf der neu lancierten Plattform heizungssanierung.ch integriert. Dieser Weg von der Einzellösung zur plattformfähigen Architektur ist Kern unserer Vision bei QOYO. Wir entwickeln Tools, die nicht nur “nice to have” sind, sondern das Geschäftsmodell unserer Kunden skalierbar machen.

Unser Weg & Dank an AI-Booster

Innovation entsteht selten im Vakuum. Auf unserem Weg von der ersten Idee bis zur Marktreife der QOYO-Plattform hat uns AI-Booster massgeblich unterstützt. Der Austausch, die finanzielle Unterstützung und die Impulse aus dem Netzwerk waren wertvolle Beschleuniger, um unsere Technologie genau dort zu platzieren, wo sie heute steht: an der Schnittstelle zwischen KI-Innovation und praktischem Vertriebserfolg.

Wer profitiert von QOYO?

Unser Portfolio richtet sich an Unternehmen, die:

• Erklärungsbedürftige Premium-Produkte anbieten.
• Ihren Vertrieb von repetitiven Beratungsaufgaben entlasten wollen.
• Ihre Abschlussquoten durch vorqualifizierte Leads massiv steigern möchten.

Möchten auch Sie Ihre Beratung digitalisieren und messbare Erfolge feiern? Wir bei QOYO Innovations GmbH suchen weitere Partner, die bereit sind, neue Wege im digitalen Vertrieb zu gehen. Kontaktieren Sie uns für einen unverbindlichen Austausch mit ersten Lösungsimpulsen für Ihre aktuelle Beratungssituation.

Kontakt: QOYO Innovations GmbH, https://www.qoyo.io/contact

March 17, 2026, by Jürg Meierhofer, Expert Group Smart Services

I recently joined the “Unlocking End-to-End Automation” workshop with Planzer, bringing together logistics experts, AI and robotics innovators, researchers and public authorities.

https://blueviolet-monkey-616495.hostingersite.com/events/workshop-unlocking-end-to-e/

The workshop explored concrete industry challenges from sender‑to‑hub inefficiencies to robotic cargo handling and touchless last‑mile delivery, all rooted in the need to integrate automation across the logistics value chain. What became increasingly clear is that logistics must be understood as a service system. Technology such as AI-driven time-slot management, automated data capture or robotic loading can solve major pain points, but their real value only emerges when embedded into thoughtfully designed service and operations processes.

The Service Perspective: Solving Pains and Co‑Creating Value

Several recurring questions shaped the discussions:

• Which pains are solved for each actor? The workshop challenges highlighted issues like improper cargo distribution, dock congestion, manual handling errors and last‑mile inefficiencies.
• How can actors be convinced of the value of co‑creation? True efficiency gains and resilience only arise when ecosystem players align around shared value creation.
• How do we balance financial, functional and emotional value? Operational KPIs matter but so do transparency, trust and user experience.

This aligns closely with our ZHAW research focus on Smart Services and Operations, where we examine how technology and service design must reinforce each other to enable sustainable, scalable solutions. See also “The value of solving pains”.

How the WIR Sustainable Mobility Lab (sml) Benefits and Contributes

The WIR Sustainable Mobility Lab (https://sustainablemobilitylab.eu/) plays a crucial role in this transformation. As a cross-border living lab in the Lake Constance region with several university and practice partners, it creates a unique environment for testing and scaling mobility and logistics innovations. Through practice projects and agile experimentation, the lab develops sustainable, real-world mobility solutions and strengthens collaboration between industry, academia and public stakeholders.

Workshops like the Planzer event are essential inputs for our work: they sharpen our understanding of ecosystem pain points, help us evolve our service‑system methods and reinforce the importance of co‑creation in building the next generation of logistics services.

January 21, 2026, by Jürg Meierhofer (ZHAW), Ina Goller (BFH), Fabrizio Laneve (Mobiliar Forum) and Sven Remke (data innovation alliance)

In einer zunehmend vernetzten Welt entstehen komplexe Service-Ökosysteme, in denen menschliche und technische Akteure – etwa Mitarbeitende, Manager, KI-Systeme oder Bots – gemeinsam Werte schaffen. Diese Ökosysteme sind dynamische Netzwerke, in denen durch das gezielte Lösen von Problemen („Pains“) gegenseitiger Nutzen entsteht. Die Gestaltung solcher Systeme erfordert ein tiefes Verständnis der Bedürfnisse aller Beteiligten sowie geeignete Methoden, um diese systematisch erfassen zu können und in wirtschaftlich tragfähige Lösungen zu überführen.

Die in diesem Artikel beschriebene methodische Verknüpfung von Design Thinking und der „Value of (Solving) Pains“-Methode ist das Ergebnis einer interdisziplinären Kooperation zwischen Innovations- und Service-Experten. Die VoSP-Methode wurde im Forschungsschwerupnkt «Smart Services and Operations» an der ZHAW entwickelt. Eine zentrale Rolle für Kombination der beiden Methoden spielte das Mobiliar Forum – die Innovationswerkstatt der Mobiliar – das im Rahmen eines inspirierenden methodischen Austauschs den kombinierten Einsatz von VoSP und Design Thinking ermöglichte. Die data innovation alliance trug dabei als verbindendes Netzwerk dazu bei, neue Perspektiven zusammenzubringen und die Zusammenarbeit zwischen Hochschule und Praxis auf fruchtbare Weise zu fördern.

Die qualitative Ausgestaltung und Emotionalisierung wurden mittels Design-Thinking-Ansatz von der Berner Fachhochschule eingebracht. Diese Zusammenarbeit verbindet kreative, wirtschaftliche und datengetriebene Perspektiven. Gemeinsam schaffen sie somit einen strukturierten Innovationsansatz für die Gestaltung und Monetarisierung komplexer Service-Ökosysteme.

Service-Ökosysteme

Service-Ökosysteme sind sozio-technische Netzwerke, in denen Akteure miteinander interagieren, um gegenseitig Wert zu schaffen. Dieser Wert entsteht nicht isoliert, sondern durch die Beziehungen und Interaktionen zwischen den Akteuren – z. B. wenn ein technisches System einer Person hilft, einen Produktionsausfall zu vermeiden oder wenn ein KI-gestützter Service einer Managerin datenbasierte Entscheidungsgrundlagen liefert.

Der Nutzen in Service-Ökosystemen zeigt sich in unterschiedlichen Dimensionen: Im B2B-Kontext steht oft der wirtschaftliche Nutzen im Vordergrund – etwa die Vermeidung von Verlusten oder die Steigerung der Effizienz. Doch gleichzeitig spielen emotionale und soziale Werte eine Rolle, z. B. die Entlastung von Mitarbeitenden, die Verbesserung der Zusammenarbeit oder die Erhöhung der Zufriedenheit.

Design Thinking als methodisches Fundament

Um diese komplexen Ökosysteme tatsächlich zu verstehen und gezielt zu gestalten, bietet sich Design Thinking als wirkungsvolles Werkzeug an. Die Methode erlaubt es, die relevanten Akteure zu identifizieren, ihre Bedürfnisse und Pains zu erfassen und in einem weiteren Schritt kreative Lösungsansätze für die Gestaltung des Service-Ökosystems zu entwickeln. Dabei werden die Wertebedürfnisse der Akteure in mehreren Dimensionen abgebildet: wirtschaftlich (wie kann mit dem Service Geld verdient oder eingespart werden?), emotional (wie können sich die beteiligten Personen dabei besser fühlen?) und sozial (wie kann damit verbesserte soziale Anerkennung entstehen?).

Design Thinking hilft nicht nur bei der Strukturierung und Visualisierung des Ökosystems, sondern vor allem auch dabei, die Perspektiven der einzelnen Akteure sichtbar zu machen. So entsteht ein ganzheitliches Bild, das als Grundlage für die Entwicklung tragfähiger Services und Geschäftsmodelle dient.

Die „Value of Solving Pains“- (VoSP-) Methode

Ein zentrales Element zur Bewertung von Wertschöpfungspotenzialen ist die Methode „Value of Solving Pains“ (VoSP) (Meierhofer et al., 2024). Sie erlaubt es, die Auswirkungen ungelöster Probleme systematisch zu erfassen und den potenziellen Nutzen ihrer Lösung zu quantifizieren – insbesondere im B2B-Bereich in finanzieller Form.

Die Methode basiert auf drei zentralen Parametern:

1. Auswirkung (impact): Die betriebswirtschaftliche Auswirkung, die durch einen Pain entsteht (z.B. Produktionsausfall, Nacharbeit, Energieverschwendung).
2. Häufigkeit (frequency): Die Häufigkeit, mit der der Pain auftritt (z.B. «monatlich ein Ausfall»).
3. Abschwächungsrate: Der Anteil der Auswirkung, der durch einen datengetriebenen Service vermieden werden kann (z.B. «durch Fernüberwachung können 50% der Ausfälle oder von deren Auswirkung vermieden werden»).

Durch Multiplikation dieser Faktoren ergibt sich der finanzielle Wert eines Pains pro Zeitperiode. Dieser Wert bildet die Grundlage für die Ableitung der Zahlungsbereitschaft im Sinne von „value-based pricing“ – also der Preisgestaltung basierend auf dem geschaffenen Nutzen.

Beispiel: Eine Maschine verursacht bei einem Ausfall Kosten von 1000 CHF. Solche Ausfälle treten viermal jährlich auf, was einem Pain-Wert von 4000 CHF entspricht. Ein Service, der 50% dieser Ausfälle verhindert, schafft einen Nutzen von 2000 CHF pro Jahr. Wenn diese hier sehr vereinfacht wiedergegebene Berechnungsgrundlage den Partnern im Ökosystem bekannt ist, können sich Zahlungsbereitschaft und Preisbildung an diesen Eckwerten orientieren (Stichwort «value-based pricing»). Durch diese Transparenz wird auch generell die Monetarisierung von Dienstleistungen objektiviert, was ein sehr hilfreicher Effekt ist, denn viele Anbieter stehen vor dem Dilemma, dass Kunden für die Dienstleistungen nicht oder zu wenig Zahlungsbereitschaft ausweisen. Zusätzlich kann auch der ökologische Nutzen quantifiziert werden, etwa durch die Vermeidung von CO₂-Emissionen oder Ressourcenverschwendung.

Die VoSP-Methode wird an der ZHAW u.a. im Rahmen des Weiterbildungskurses «CAS Smart Services: von datengetriebener Innovation zur digitalen Wertschöpfung» (CAS Smart Services, n.d.) vermittelt.

Ökosysteme wirtschaftlich gestalten

Die Kombination aus Design Thinking und VoSP-Methode ermöglicht es, ausgehend von konkreten Use Cases ganze Service-Ökosysteme zu gestalten. Die systematische Erfassung und Quantifizierung von Wertflüssen schafft eine belastbare Grundlage für Business Cases und erlaubt die Bewertung der Machbarkeit („ecosystem viability“) neuer Service-Ökosysteme.

So entsteht ein methodischer Pfad von einem Use Case über Identifikation individueller Pains zur Gestaltung von Lösungen bis hin zur wirtschaftlichen Bewertung und Skalierung im Ökosystem. Für Unternehmen bietet sich damit ein strukturierter Ansatz, um Innovationen gezielt voranzutreiben und nachhaltige Wertschöpfung zu realisieren.

Schlussfolgerung: die Stärke liegt in der Kombination

Design Thinking spielt eine zentrale Rolle bei der Gestaltung von Service-Ökosystemen, da es hilft, deren Komplexität zu strukturieren und sichtbar zu machen. Die Methode ermöglicht es, die Perspektiven aller beteiligten Akteure – ob Nutzer, Mitarbeitende, technische Systeme oder Partnerorganisationen – systematisch zu erfassen. Dadurch entsteht ein ganzheitliches Bild des Ökosystems, das nicht nur wirtschaftliche, sondern auch emotionale und soziale Dimensionen umfasst. Design Thinking macht die individuellen Bedürfnisse und Pains der Akteure transparent und schafft eine fundierte Grundlage für die Entwicklung tragfähiger Services und Geschäftsmodelle.

Darüber hinaus bietet Design Thinking einen kreativen und iterativen Rahmen, in dem multidisziplinäre Teams nutzerzentrierte Lösungen entwickeln können. Es fördert das Verständnis für die Systemdynamik und hilft dabei, die Interaktionen und Wertflüsse im Ökosystem gezielt zu gestalten. Ohne diesen methodischen Zugang bliebe die nachgelagerte VoSP-Methode zwar zahlengetrieben, aber ohne klaren Bezug zu den tatsächlichen Herausforderungen im System. Umgekehrt verleiht VoSP dem Design-Thinking-Prozess eine wirtschaftliche Greifbarkeit. Erst durch die Verbindung beider Ansätze entsteht ein wirkungsvoller Innovationsprozess, der sowohl nutzerorientiert als auch wirtschaftlich tragfähig ist – und damit optimal auf die Anforderungen moderner Service-Ökosysteme abgestimmt ist.

Referenzen:

Meierhofer, Jürg, Nikola Pascher, and Jochen Wulf. “The Value of Solving Pains.” In Smart Services Summit, edited by Shaun West, Jürg Meierhofer, Thierry Buecheler, and Giulia Wally Scurati, 37–48. Cham: Springer Nature Switzerland, 2025. https://doi.org/10.1007/978-3-031-86958-7_3. Manuskript verfügbar unter: https://doi.org/10.48550/arXiv.2412.03130
CAS Smart Services: Von datengetriebener Innovation zur digitalen Wertschöpfung. (n.d.). ZHAW School of Engineering. Retrieved October 10, 2025, from https://www.zhaw.ch/de/engineering/weiterbildung/detail/kurs/cas-smart-services

Kontakt

Dr. Jürg Meierhofer
ZHAW Institut für Data Science (IDS)
Technikumstrasse 81, CH-8401 Winterthur, info@zhaw.ch, Institut für Data Science (IDS)

November 24, 2025, by Jürg Meierhofer, Expert Group Smart Services and Clemens Neuwirth, Concircle

On November 21, 2025, the Expert Group Smart Services gathered for an inspiring Service Lunch to explore one of the most pressing topics in modern manufacturing: Data Spaces and their role in creating shared value across connected production networks.

Why Data Spaces Matter

Manufacturing companies are often sitting on a rich set of data, but leveraging it beyond corporate silos remains a challenge. Issues like interoperability, trust, and governance often hinder collaboration. This is where Gaia-X and Data Spaces come into play: they provide a European framework for data sovereignty, interoperability, and secure exchange, enabling organizations to collaborate without losing control of their data.

From Isolated Supply Chains to Connected Networks

The vision presented by Clemens Neuwirth (Concircle) was clear: integrated, efficient processes powered by smart sourcing, smart distribution, and horizontal integration. Real-time KPIs, customer-specific configurations, and digital factories are no longer futuristic concepts are becoming reality through Data Spaces.

Key Highlights

• Challenges in the Data Economy: Data is valuable but often trapped in silos. Making it discoverable and usable requires shared rules and partner verification.
• Gaia-X Framework: Establishes principles and governance for trusted data sharing.
• Industry Initiatives:
  • Catena-X (Automotive): Operationalizes Gaia-X for the automotive value chain.
  • EuProGigant (Manufacturing): A lighthouse project showcasing federated data sharing and compute-to-data concepts.
• Ideal Component Matching: A practical example from the bilateral Austrian-German research project EuProGigant demonstrates how intelligent use and sharing of measurement data can reduce costs, save time, and improve quality in spindle assembly.

The Future of Manufacturing

By connecting MES, ERP, and Data Spaces, manufacturers can move from isolated supply chains to connected manufacturing networks, unlocking new efficiencies and collaborative opportunities. Data remains at its source, queried on demand, ensuring security and sovereignty while enabling advanced use cases like compute-to-data and edge computing.

September 02, 2025, by Reik Leiterer, data innovation alliance

Did you know the RiskON Event? If not, then it’s about time, as it has developed into one of the most innovative formats in this field in Switzerland.

RiskON is an innovative hackathon organized jointly by University of Zurich – Master of Science UZH ETH in Quantitative Finance, UZH Innovation Hub and the N9 House of Innovation/sminds AG. RiskON aims to promote risk management in Switzerland through collaboration between students, industry experts and financial institutions. Interdisciplinary teams of enthusiastic young master’s students from all Swiss universities and experts will work on real-life challenges in banking risk management. The goal is to co-create and develop concrete solutions, such as proofs of concept (PoC) or minimum viable products (MVP), which can then be further developed in practice. The focus is on current topics such as financial risks, non-financial risks and digital risks.

Driven by advances in technology, banks are encountering increasingly complex and dynamic risk landscapes. In response, a group of Swiss banks defined in 2024 key challenges in three areas, i.e. operational risk classification, internal fraud detection, and regulatory compliance automation. For each challenge, innovative solutions were found that directly support the financial sector’s need for enhanced efficiency, precision, and adaptability – highlighting the power of academic-industry collaboration in delivering practical, forward-looking innovations for the banking sector. Read the full report and learn more about:

• An AI-powered framework for operational risk classification and forecasting: by integrating data cleaning, Large Language Models (LLMs), and Transformer-based time-series analysis, the approach significantly improves classification accuracy and enables timely, comprehensive risk reporting. For banks, this represents a scalable tool to reduce losses and strengthen operational oversight.
  
• Internal fraud detection: addressing this complex topic by the application of an Isolation Forest model to identify anomalous transaction behavior – particularly among relationship managers. Requiring no labeled data and offering a customizable alert threshold, the solution enables compliance teams to prioritize investigations and better allocate resources, enhancing fraud prevention capabilities.
  
• A multilingual compliance tool: based on DistilBERT and designed to automate regulatory document comparison and change detection. Tested on English and German texts, the model demonstrates strong potential to reduce compliance effort and translation costs – addressing a growing challenge for banks operating across jurisdictions.

Collectively, these solutions illustrate how targeted AI applications can modernize risk management, strengthen fraud detection, and streamline compliance processes – while preserving essential human oversight. By improving the agility, reliability, and cost-efficiency of risk practices, Swiss financial institutions can further solidify their position as global leaders in innovation and regulatory excellence. By the way, RiskOn 2025 is underway, addressing challenges such as “Quality Assurance for Client Contact Notes — How can AI help?” or “KYC vs. Adverse Media — Can AI match identities across sources?”. We are looking forward to the results!

July 11, 2025, by Rebecca Balebako, CEO BrandWorthy.AI

As organizations integrate advanced AI systems into their business, ensuring their safety, reliability, and robustness becomes a critical priority.  However, AI testing remains a complex and evolving field. Key challenges that businesses face when considering how to run AI testing in practice are:

• What expertise is required to ensure secure application?
• How much testing is enough and how much will it cost?  
• Testing and security frameworks often rely on the LLMs or AI themselves to judge the safety.  Are the AI’s guarding themselves correctly? 
• How can businesses decide between existing testing frameworks, human testers or both?

We gathered 20 experts on an April morning in 2025 to discuss these questions.  The workshop combined interactive attempts to “hack” an AI judge, and smaller group discussions centered on practical themes that Swiss companies will face when testing their AI systems.

The goals of the workshop were to explore three challenges:

1. AI safety discussions are fragmented by varying terminology and approaches across security, legal, and operational domains.  We convened a multidisciplinary group of experts in AI security and safety to foster a cross-domain discussion on AI testing.

2. The challenge lies in validating AI’s self-judgment and understandingwhen AI judgement aligns with human intelligence.  We evaluated two AI-as-judge testing frameworks against human expectations by using a real-world use case and a live jailbreaking challenge.

3. For businesses, the new field of AI safety testing presents a challenge in determining what to test and who should conduct it.  We discussed practical AI testing challenges for Swiss businesses through breakout groups focused on metrics, expertise, and opportunities.

We addressed each of these goals through an interactive group activity, followed by breaking out into three smaller groups. 

Workshop Outcomes and Decisions

Experts from various fields, including security engineers, lawyers, project managers, and model builders, engaged in open and productive discussions on AI testing. The diversity of perspectives was particularly valuable in highlighting different aspects of AI security and safety.  Attendees were largely industry professionals who are engaging in technical safety and security from various angles and for different companies.  Startups, medium-sized businesses, and larger B2C companies were represented.

AI-as-Judge Evaluation:

Through the use case of a cosmetic surgeon chatbot, the workshop demonstrated that existing AI-as-judge frameworks may not always align with human judgment. Multiple instances were found where chatbots gave responses that humans considered “bad” but were not flagged by AI evaluation systems. This highlights the need for supplementing AI evaluations with human feedback.

Breakout Group Findings and Decisions:

• Metrics for AI Risk Assessment: Participants emphasized the importance of aligning AI behavior with “what a reasonable person would expect.” This requires teams to carefully examine the AI’s data, analyze target users, and clearly define the scope of testing. Standards can serve as a benchmark for these expectations.
  • Opportunities and Strategic Considerations: The group highlighted the need for a human-centered approach and multi-stakeholder input in defining AI project requirements. They also identified the need for practical enforcement mechanisms, beyond just regulations, to ensure AI safety.
  • Expertise and Skillsets for AI Safety: It was recognized that the required expertise for AI safety is context dependent. Key considerations include human rights, interdisciplinary “red teams,” and protecting human testers from harmful content.

These discussions provided valuable insights that should inform future AI safety and testing practices within Swiss businesses.

Summary

This workshop proved invaluable in addressing the complex and evolving landscape of AI testing and security. By bringing together a diverse group of experts, we gained critical insights into aligning AI behavior with human expectations and identifying practical steps for ensuring AI safety in Swiss businesses.

The collective knowledge shared, and the collaborative discussions fostered will significantly contribute to shaping future AI safety practices. We extend our sincere gratitude to our generous sponsors, Innovation Booster Artificial Intelligence, Cyberfy, and BrandWorthy.AI, whose support made this important workshop possible.

May 04, 2025, by Reik Leiterer, data innovation alliance

On March 4th, 2025, the co-creation workshop of the three innovation boosters New Mobility, Robotics and Artificial Intelligence on the overarching topic of AI & Robotics in Mobility took place at EPFL in Lausanne. Four focus topics elaborated and presented by the Swiss Federal Railways SBB were used as base for exploration of challenges related to these topics and to discuss and outline possible ideas in the specific fields. The initial focus topics were:

1) IMPROVING CUSTOMER EXPERIENCE ALONG THE TRAVEL CHAIN
How to enhance the overall travel experience by e.g. personalized, real-time travel information during disruptions – ensuring passengers are well-informed and minimizing inconvenience.

2) MAINTENANCE AND REPAIR
How to use robotics in operational activities for maintenance to save time and costs, or to increase safety, for e.g. train or infrastructure inspection, lifting heavy equipment, hazardous environments, or automating heavily redundant tasks.

3) OPTIMIZATION OF PASSENGER FLOW
How to leverage predictive analytics to optimize passenger/crowds, by e.g. analysing environmental conditions, historical data, or scheduled events.

4) AUTONOMOUS DRIVING
How to develop a comprehensive travel chain that integrates autonomous driving technologies, including the use of autonomous vehicles for in-house logistics and seamless transitions between different modes of transport.

To make AI-driven systems a safe reality, he presented his lab works at the intersection of Computer Vision, Machine Learning, and Robotics: a new type of so-called socially aware AI, i.e., an AI augmented with social intelligence.

This was followed by the first breakout sessions, in which participants divided up according to their interest in the various focus topics. These breakout sessions were moderated and supported by experts Kenan Zhang, Christopher Ganz, Laszlo Etesi, and Eric Silva to ensure targeted problem exploration and ideation. Among other things, the discussion focused on key questions such as: What are the biggest challenges? Where do we see bottlenecks or unresolved pain points (e.g., perception technology, ethical AI, human-machine interaction, regulatory hurdles)? And what problems have we personally experienced or observed?

The following key challenges were identified and discussed, which were then embedded in the larger SBB context through a quick review and reflected upon regarding their potential for further exploration:

1) IMPROVING CUSTOMER EXPERIENCE ALONG THE TRAVEL CHAIN

• How to optimize international travelling, considering booking and payment challenges (e.g., tickets reserving across borders) or navigating different platforms and connections (e.g., transitioning in Germany) while maintaining the high data security standards of SBB?
• How to prevent incidents on the platforms caused by overcrowding or pushing, considering also passengers’ perception of safety.

2) MAINTENANCE AND REPAIR

• What maintenance needs to be done on the equipment even if it’s not degrading (e.g. lubrication, cleaning) considering existing/upcoming regulations requiring maintenance activities and the general operation time of a component?
• How to optimize the time to bring the equipment back to operation if degrading (i.e. shorter maintenance time/downtime), including management of critical spare parts?
• How to improve fault detection by not only identifying problems but also by improving the predictive fault detection while keeping the safety & security standards?

3) OPTIMIZATION OF PASSENGER FLOW

4) AUTONOMOUS DRIVING

• How to optimize “in-between” travel (e.g., train-to-gate transitions), with solutions for people with reduced mobility and/or elderly people?
• How to enable multimodal solutions by re-using rail infrastructure for e.g., autonomous vehicles?
• How to realize am infrastructure for autonomous driving, related to electrification and charging infrastructure (e.g., remote charging solutions & autonomous parking)

After lunch, a second round of breakout sessions was held to discuss possible solutions to the challenges that had been identified, which were then presented. These cross-ecosystem exchanges were invaluable for rethinking the challenges holistically and unlocking potential new synergies.

Based on this, the innovation teams were then able to submit their ideas within three weeks as part of the idea stage of the Innovation Booster New Mobility. The following submissions were evaluated by an external panel of experts and out of them three ideas were selected for funding:

• Autonome Mobilität neugedacht durch persönliche digitale Chauffeure
• Autonomous Mobile Robot with Energy Storage for Distributing Renewable Energy to Every Parking Space with Minimal Infrastructure Costs
• Distribution Management Customer Service App
• Forecasting crowds to reduce train platforms occupancy during rush hour
• Inclusive PRM Services: Bridging Accessibility Gaps with Autonomous Wheelchairs
• Leveraging Autonomous Mobility to Shift Car-Dependent Travelers Towards Public Transport: A Blueprint for a User-Centered Business Model based on Personas and Psychological Needs
• PREACT – Predictive Analytics for Crowd Transit Optimization
• Privacy-preserving Monitoring of Customer Flows and Intentions
• RailWise: Empowering SBB with Staff-Driven AI Insights
• Real-time Detection and Correlation of Infrastructure Damage Events
• Reinventing Rail Maintenance: Real-Time IoT Meets Low-Code Automation
• Robotic Platform for maintenance works in rail depots
• Sensorized robotic arm for enhanced train maintenance and safety

Finally selected project ideas:

1. PREACT – Predictive Analytics for Crowd Transit Optimization
   Project Idea – jointcreate.com

2. Inclusive PRM Services: Bridging Accessibility Gaps with Autonomous Wheelchairs
   Project Idea – jointcreate.com

3. Leveraging Autonomous Mobility to Shift Car-Dependent Travelers Towards Public Transport
   Project Idea – jointcreate.com

The format convinced with very good speakers, experts, and open-minded participants interested in exchange and cooperation. We would like to thank all participants for joining this workshop and for their numerous high-quality submissions! We are already looking forward to the next event and a lively and active participation.